公开(公告)号：CN111274790A

公开(公告)日：2020-06-12

申请号：CN202010090488.7

申请日：2020-02-13

Applicant: 东南大学

Inventor： 杨鹏 ,  季冬 ,  李幼平 ,  纪雯

IPC: G06F40/211 ,  G06F40/284 ,  G06F40/295 ,  G06F16/35

Abstract: 本发明公开了一种基于句法依存图的篇章级事件嵌入方法及装置。首先，对每篇新闻文本，使用自然语言处理工具对其进行句法依存分析，构建句法依存关系图；接着，利用迭代更新算法计算句法依存图中各节点词的权重；然后，基于句法依存图，采用负采样技术构造正负训练样本；之后，分别构建并训练事件要素权重和关系预测模型，获得篇章级事件的低维稠密向量表示；最后，将事件嵌入向量输入到机器学习模型，应用于事件分类、聚类等相关任务。本发明基于句法依存图，采用无监督方式学习产生的向量表示能够改善传统基于词袋模型的事件表示的高维稀疏、语义和语法结构缺失问题，进而提升下游事件分析相关任务的效果。

公开(公告)号：CN111274790B

公开(公告)日：2023-05-16

申请号：CN202010090488.7

申请日：2020-02-13

Applicant: 东南大学

Inventor： 杨鹏 ,  季冬 ,  李幼平 ,  纪雯

IPC: G06F40/211 ,  G06F40/284 ,  G06F40/295 ,  G06F16/35

Abstract: 本发明公开了一种基于句法依存图的篇章级事件嵌入方法及装置。首先，对每篇新闻文本，使用自然语言处理工具对其进行句法依存分析，构建句法依存关系图；接着，利用迭代更新算法计算句法依存图中各节点词的权重；然后，基于句法依存图，采用负采样技术构造正负训练样本；之后，分别构建并训练事件要素权重和关系预测模型，获得篇章级事件的低维稠密向量表示；最后，将事件嵌入向量输入到机器学习模型，应用于事件分类、聚类等相关任务。本发明基于句法依存图，采用无监督方式学习产生的向量表示能够改善传统基于词袋模型的事件表示的高维稀疏、语义和语法结构缺失问题，进而提升下游事件分析相关任务的效果。